Ubuntu 下安装JDK

我们选择的是jdk1.6.0_30版本。安装文件名为jdk-6u30-linux-i586.bin.

1、复制jdk到安装目录

(1)假设jdk安装文件在桌面,我们指定的安装目录是:/usr/local/java 。可是系统安装后在/usr/local下并没有java目录,这需要我们去创建一个java文件夹,如图(1)

 

 

(2)切换到桌面下,执行复制,如图(2)

 

 

2、安装jdk

(1)切换到root用户下,如图(3)

 

 

(注:如果因忘记密码而认证失败,可以先修改root用户的密码,再执行第(1)步,修改root用户密码如图(4))

 

 

(2)运行jdk-6u30-linux-i586.bin,如图(5)

 

 

(注:可能此时仍然没有执行权限,那是因为在linux中,文件的默认权限是644,即使是属主用户也没有执行权限,这时我们需要更改其权限,如果你想知道某个文件的权限,可以进入该文件所在的文件夹,执行命令ls –la 查看。这里将jdk-6u30-linux-i586.bin文件的权限改为777,即文件的属主用户,属组用户和其他用户对该文件拥有所有权限,当然不推荐对系统中的文件这样设置权限,因为这样就破坏了linux的安全性。)

更改jdk-6u30-linux-i586.bin权限,如图(6)

 

 

更改权限后再执行第(2)步,当看到下图情况时,说明你安装成功了。

 


(3)这时在/usr/local/java目录下就多了一个jdk1.6.0_30文件夹.,可以查看一下,如图(8)

 

 

3、配置环境变量

(1)打开/etc/profile文件,如图(9)

 

 

(2)添加变量如下:

 

Java代码   收藏代码
  1. # /etc/profile: system-wide .profile file for the Bourne shell (sh(1))  
  2. # and Bourne compatible shells (bash(1), ksh(1), ash(1), ...).  
  3. #set java environment  
  4.   
  5. export JAVA_HOME=/usr/local/java/jdk1.6.0_30  
  6.   
  7. export JRE_HOME=/usr/local/java/jdk1.6.0_30/jre  
  8.   
  9. export CLASSPATH=.:$JAVA_HOME/lib:$JRE_HOME/lib:$CLASSPATH  
  10.   
  11. export PATH=$JAVA_HOME/bin:$JRE_HOME/bin:$JAVA_HOME:$PATH   
 

   (注:为了以后集群工作的方便,这里建议每台机器的java环境最好一致。)

一般更改/etc/profile文件后,需要重启机器才能生效。这里介绍一种不用重启使其生效的方法,如图(10)

 

 

(3)查看java环境变量是否配置成功,如图(11)

 


(注:如果结果如上图所示,就说明你的java安装成功了。)



//来自Ubuntu中文网站

首先,从http://java.sun.com中下载jdk,我的版本是jdk1.6.0_12,我下载的是bin文件,我将下载的jdk1.6.0_12.bin文件置于/usr/lib/jvm/java中
然后,在shell中执行:

代码:
sudo chmod u+x /usr/lib/jvm/java/jdk1.6.0_12.bin

修改bin文件权限,使其可执行
然后,执行
代码:
sudo /usr/lib/jvm/java/jdk1.6.0_12.bin

将会出现字幕,持续按回车键,直至屏幕显示要求输入yes/no,此时输入y回车,将会把jdk解压到文件夹,得到jdk1.6.0_12目录。
此时,jdk已安装完毕,下面进行配置
执行
代码:
sudo vi /etc/environment

在environment中修改,出现如下部分
引用:
PATH="......:/usr/lib/jvm/java/jdk1.6.0_12/bin"
CLASSPATH=.:/usr/lib/jvm/java/jdk1.6.0_12/lib
JAVA_HOME=/usr/lib/jvm/java/jdk1.6.0_12

执行
代码:
sudo source /home/ghoul/.bashrc

此时,环境变量设置成功(设置环境变量的方法很多,不一一列举)
由于ubuntu中可能会有默认的jdk,如openjdk,所以,为了使默认使用的是我们安装的jdk,还要进行如下工作。
执行
代码:
update-alternatives --install /usr/bin/java java /usr/lib/jvm/java/jdk1.6.0_12/bin/java 300
update-alternatives --install /usr/bin/javac javac /usr/lib/jvm/java/jdk1.6.0_12/bin/javac 300

通过这一步将我们安装的jdk加入java选单。
然后执行
代码:
update-alternatives --config java

通过这一步选择系统默认的jdk
这样,再在shell中输入
代码:
java -version

时,就会显示系统使用的java是sun的java。


//这个是来自CSDN  http://blog.csdn.net/albertliangyg/article/details/7642795

1.首先下载jdk-7u4-linux-i586.tar.gz. 并将它放在例如/home目录。

2.解压安装

   sudo tar zxvf ./jdk-7u4-linux-i586.tar.gz  -C /usr/lib

这时/usr/lib目录将出现目录jdk1.7.0_04

3.修改环境变量

sudo gedit /etc/environment

此时将弹出一个编辑窗口,将一下内容加入。

  JAVA_HOME=/usr/lib/jdk1.7.0_04
  JRE_HOME=${JAVA_HOME}/jre
  CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
  PATH=${JAVA_HOME}/bin:$PATH

4.配置默认jdk

sudo update-alternatives --install /usr/bin/java java /usr/lib/jdk1.7.0_04/bin/java 300

sudo update-alternatives --install /usr/bin/javac javac /usr/lib/jdk1.7.0_04/bin/javac 300

sudo update-alternatives --install /usr/bin/jar jar /usr/lib/jdk1.7.0_04/bin/jar 300

sudo update-alternatives --install /usr/bin/javah javah /usr/lib/jdk1.7.0_04/bin/javah 300

sudo update-alternatives --install /usr/bin/javap javap /usr/lib/jdk1.7.0_04/bin/javap 300

  配置:

  sudo update-alternatives --config java

  选择需要的jdk。

5.测试

   java -version



深度学习是机器学习的一个子领域,它基于人工神经网络的研究,特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征,这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分: 1. **神经网络(Neural Networks)**:深度学习的基础是人工神经网络,它是由多个层组成的网络结构,包括输入层、隐藏层和输出层。每个层由多个神经元组成,神经元之间通过权重连接。 2. **前馈神经网络(Feedforward Neural Networks)**:这是最常见的神经网络类型,信息从输入层流向隐藏层,最终到达输出层。 3. **卷积神经网络(Convolutional Neural Networks, CNNs)**:这种网络特别适合处理具有网格结构的数据,如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络(Recurrent Neural Networks, RNNs)**:这种网络能够处理序列数据,如时间序列或自然语言,因为它们具有记忆功能,能够捕捉数据中的时间依赖性。 5. **长短期记忆网络(Long Short-Term Memory, LSTM)**:LSTM 是一种特殊的 RNN,它能够学习长期依赖关系,非常适合复杂的序列预测任务。 6. **生成对抗网络(Generative Adversarial Networks, GANs)**:由两个网络组成,一个生成器和一个判别器,它们相互竞争,生成器生成数据,判别器评估数据的真实性。 7. **深度学习框架**:如 TensorFlow、Keras、PyTorch 等,这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数(Activation Functions)**:如 ReLU、Sigmoid、Tanh 等,它们在神经网络中用于添加非线性,使得网络能够学习复杂的函数。 9. **损失函数(Loss Functions)**:用于评估模型的预测与真实值之间的差异,常见的损失函数包括均方误差(MSE)、交叉熵(Cross-Entropy)等。 10. **优化算法(Optimization Algorithms)**:如梯度下降(Gradient Descent)、随机梯度下降(SGD)、Adam 等,用于更新网络权重,以最小化损失函数。 11. **正则化(Regularization)**:技术如 Dropout、L1/L2 正则化等,用于防止模型过拟合。 12. **迁移学习(Transfer Learning)**:利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就,但它也面临着一些挑战,如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值